一种基于数字孪生的故障定位方法、装置、设备及介质与流程

本技术涉及电力设备监测，尤其是涉及一种基于数字孪生的故障定位方法、装置、设备及介质。

背景技术：

1、在我国，电力系统和设施较为庞大且复杂，每个城市均存在很多的电力设备。当电力设备出现故障时，可能会造成多处运行系统瘫痪，影响人们的正常生活。为了降低电力设备突然发生故障的可能，现有技术会在巡检过程中，通过检查得出的电力设备的运行情况以及使用次数等信息，对该电力设备的使用寿命进行预测，并将该电力设备的所处的位置以及预测使用寿命等信息进行记录，以便于在电力设备可能出现故障时，对根据该电力设备的位置进行检查维修。

2、但是，在巡检过程中仅通过每个电力设备的运行性能以及使用次数进行预测，且需巡检人员进行信息记录，使得预测数据准确性以及巡检效率较低。

技术实现思路

1、为了提高预测数据的准确性以及巡检效率，本技术提供一种基于数字孪生的故障定位方法、装置、设备及介质。

2、第一方面，本技术提供一种基于数字孪生的故障定位方法，采用如下的技术方案：

3、一种基于数字孪生的故障定位方法，包括：

4、获取各个电力设备各自的设备数据以及各自的当前环境数据，所述设备数据包括电力设备的运行性能数据，所述当前环境数据为用于表征当前时刻下环境情况的数据；

5、根据每个电力设备的当前环境数据，确定每个电力设备的当前环境因数，所述环境因数用于表征当前环境对电力设备的影响程度；

6、根据每个电力设备的设备数据以及当前环境因数，预测所述每个电力设备的故障时刻；

7、从各个电力设备各自对应的故障时刻中筛选出目标故障时刻，并将所述目标故障时刻对应的电力设备作为目标电力设备，所述目标故障时刻为与当前时刻之间的时长小于预设时长的故障时刻；

8、获取目标模型中所述目标电力设备的位置，以得到所述目标电力设备的实际位置，并作为预测故障位置，所述目标模型基于各个电力设备各自对应的仿真模型以及各个电力设备的实际位置建立。

9、通过采用上述技术方案，基于各个电力设备各自的设备数据以及各自的当前环境数据，得到环境对电力设备性能的影响，然后基于电力设备的设备数据和环境对电力设备性能的影响，预测得到电力设备的故障时刻，并从各个电力设备各自对应的故障时刻中，选择出与当前时刻相距时长较短的故障时刻作为目标故障时刻，并在模型中定位该目标故障时刻对应的电力设备的位置。通过结合环境数据对电力设备的影响来预测故障时刻，提高了数据预测的准确性，且定位出目标电力设备的位置后，以便于检修人员知晓可能快要发生故障的电力设备的位置以及预测故障时刻，有利于提高巡检效率。

10、在一种可能的实现方式中，所述当前环境数据包括多个环境子数据，每个环境子数据对应一个子参数数据，其中，所述根据每个电力设备的当前环境数据，确定每个电力设备的当前环境因数，包括：

11、从每个电力设备的当前环境数据中，确定出所述每个电力设备的当前子参数数据；

12、获取每个电力设备的目标环境数据，并确定所述每个电力设备的目标子参数数据，其中，电力设备在目标环境子数据下的运行性能大于电子设备在其余环境数据下的运行性能，所述目标子参数数据为目标环境数据中包括的目标环境子数据对应的子参数数据；

13、基于每个电力设备的目标子参数数据以及当前子参数数据，确定所述每个电力设备的当前环境因数。

14、通过采用上述技术方案，通过电力设备当前的环境数据，确定出电力设备的当前子参数数据，并获取电力设备的最佳运行环境，以确定出最佳运行环境所对应的目标子参数数据，并基于目标子参数数据和当前子参数数据，确定环境对电力设备性能的影响程度。

15、在一种可能的实现方式中，所述基于每个电力设备的目标子参数数据以及当前子参数数据，确定所述每个电力设备的当前环境因数，包括：

16、获取每个电力设备的第一历史数据，所述第一历史数据包括电力设备的历史环境数据、历史故障时刻、历史子参数数据以及历史设备数据；

17、基于每个电力设备的第一历史数据以及目标子参数数据，建立所述每个电力设备的子参数数据对设备数据的影响曲线，所述影响曲线以第一历史数据中的历史时刻为x轴、以子参数数据为y轴、以设备数据为z轴；

18、根据所述每个电力设备的影响曲线、目标子参数数据以及当前子参数数据，确定所述当前子参数数据对设备数据的影响程度；

19、根据每个当前子参数数据的对设备数据的影响程度，确定所述每个电力设备的当前环境因数。

20、通过采用上述技术方案，通过获取电力设备的历史环境数据、历史子参数数据以及历史设备数据，并建立子参数数据对设备数据的影响曲线，基于影响曲线，确定当前子参数数据对电力设备的影响程度，以确定出电力设备的当前环境因数。

21、在一种可能的实现方式中，所述第一历史数据还包括历史环境因数，所述根据每个电力设备的设备数据以及当前环境因数，预测所述每个电力设备的故障时刻，包括：

22、从所述每个电力设备的第一历史数据中，筛选出目标历史子数据，所述目标历史子数据中存在与所述每个电力设备的设备数据一致的目标历史设备数据，且存在与当前环境因数一致的历史环境因数；

23、获取所述目标历史数据对应的历史故障时刻以及目标历史设备数据对应的时刻；

24、计算所述目标历史数据对应的历史故障时刻与目标历史设备数据对应的时刻之间的历史时长；

25、基于历史时长以及当前时刻，预测所述每个电力设备的故障时刻。

26、通过采用上述技术方案，通过在历史数据中，确定出包含与设备数据一致且与当前环境因素一致的历史子数据，并确定出目标历史数据对应的历史故障时刻以及目标历史设备数据对应的时刻，基于当前时刻，来预测电力设备的故障时刻，使得预测的数据更加准确。

27、在另一种可能的实现方式中，所述设备数据还包括电力设备的使用频率数据，所述获取所述目标电力设备的位置，以作为预测故障位置之后，还包括：

28、获取每个电力设备的第二历史数据，所述第二历史数据包括历史故障次数、历史故障原因以及历史环境数据；

29、根据每个电力设备的第二历史数据，确定所述每个电力设备中每个巡检因素的权重，所述巡检因素包括电力设备的环境因素、磨损程度因素以及使用频率因素；

30、根据每个电力设备的运行性能数据，确定所述每个电力设备的磨损程度；

31、基于每个电力设备的环境因数、磨损程度、使用频率以及各自的权重，计算得到所述每个电力设备的故障估计概率，并确定所述每个电力设备的故障估计概率对应的等级；

32、基于每个电力设备对应的等级，生成巡检计划。

33、通过采用上述技术方案，基于历史数据中包括的历史故障元原因以及对应的次数，得到巡检的因素权重，并基于该权重和电力设备的运行性能数据，预测该电力设备出现故障的概率，并基于每个电力设备出现故障的概率，生成巡检计划，也就是说，对于出现故障的概率高的电力设备进行多次巡检，对出现故障概率低的电力设备进行少次巡检，以根据电力设备自身的情况，制定巡检计划，以减少电力突然发生故障的次数。

34、在一种可能的实现方式中，所述方法还包括：

35、当存在故障电力设备时，获取所述故障电力设备的历史故障原因数据；

36、根据所述故障电力设备的历史故障原因数据，对多个故障原因按照历史故障原因出现次数从大到小的顺序进行排序，得到目标序列；

37、按照从前到后的顺序，从所述目标序列中选择第一故障原因，并判断所述故障电力设备产生故障的原因是否为第一故障原因；

38、若所述故障电力设备产生故障的原因是第一故障原因，则确定所述第一故障原因为所述故障电力设备的故障原因。

39、通过采用上述技术方案，当存在电力设备出现故障后，通过获取该电力设备的历史故障原因，并对出现历史故障原因的次数进行排序，以使得可以按照排序，判断出现次数最多的历史故障原因是否为电力设备的故障原因，以提高确定电力设备故障原因的效率。

40、在一种可能的实现方式中，所述方法还包括：

41、若所述故障电力设备产生故障的原因不是第一故障原因，则从所述目标序列中选择第二故障原因，并判断所述故障电力设备产生故障的原因是否为第二故障原因；

42、若所述故障电力设备产生故障的原因是第二故障原因，则确定所述第二故障原因为所述故障电力设备的故障原因；

43、若所述故障电力设备产生故障的原因不是第二故障原因，则从所述目标序列中选择第三故障原因，直至确定所述故障电力设备的故障原因。

44、通过采用上述技术方案，若上述出现次数最多的历史故障原因不为电力设备的故障原因，则从上述排序，依次确定电力设备的故障原因。

45、第二方面，本技术提供一种基于数字孪生的故障定位装置，采用如下的技术方案：

46、一种基于数字孪生的故障定位装置，包括：

47、数据获取模块，用于获取各个电力设备各自的设备数据以及各自的当前环境数据，所述设备数据包括电力设备的运行性能数据，所述当前环境数据为用于表征当前时刻下环境情况的参数数据；

48、因数确定模块，用于根据每个电力设备的当前环境数据，确定每个电力设备的当前环境因数，所述环境因数用于表征当前环境数据对电力设备的影响程度；

49、预测模块，用于根据每个电力设备的设备数据以及当前环境因数，预测所述每个电力设备的故障时刻；

50、筛选模块，用于从各个电力设备各自对应的故障时刻中筛选出目标故障时刻，并将所述目标故障时刻对应的电力设备作为目标电力设备，所述目标故障时刻为与当前时刻之间的时长小于预设时长的故障时刻；

51、位置获取模块，用于获取目标模型中所述目标电力设备的位置，以得到所述目标电力设备的实际位置，并作为预测故障位置，所述目标模型基于各个电力设备各自对应的仿真模型以及各个电力设备的实际位置建立。

52、第三方面，本技术提供一种电子设备，采用如下的技术方案：

53、一种电子设备，该电子设备包括：

54、至少一个处理器；

55、存储器；

56、至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行上述第一方面所述的方法。

57、第四方面，本技术提供一种计算机可读存储介质，采用如下的技术方案：

58、一种计算机可读存储介质，包括：存储有能够被处理器加载并执行上述第一方面所述的计算机程序。

59、综上所述，本技术包括以下有益技术效果：基于各个电力设备各自的设备数据以及各自的当前环境数据，得到环境对电力设备性能的影响，然后基于电力设备的设备数据和环境对电力设备性能的影响，预测得到电力设备的故障时刻，并从各个电力设备各自对应的故障时刻中，选择出与当前时刻相距时长较短的故障时刻作为目标故障时刻，并在模型中定位该目标故障时刻对应的电力设备的位置。通过结合环境数据对电力设备的影响来预测故障时刻，提高了数据预测的准确性，且定位出目标电力设备的位置后，以便于检修人员知晓可能快要发生故障的电力设备的位置以及预测故障时刻，有利于提高巡检效率。